Posted by
Gyeongmin Kim
on January 22, 2020 ·
2 mins read
Purdue Week 3
What we did
We search several Object Tracking Algorithm like below.
SORT Tracking
Boosting Tracker : 오래되서 안씀
MIL(Multiple Instance Learning) Tracker : Boosting Tracker와 유사하지만,
Tracking할 때 잠재 가능성을 위해 주변도 탐지
- 꽤 괜찮은 성능, OpenCV 3.0을 쓸 때 최고
- Tracking failure가 안정적으로 report되지 않음
KCF(Kernelized Correlation Filters) Tracker : 위 두 Tracker의 아이디어 기반,
겹치는 데이터를 더 빠르고 정확하게 추적
- 위의 두개보다 좋다. OpenCV 3.1 또는 이상에서는 추천
- failure가 완전복구 되지 않음
- BUG : OpenCV 3.1(Python only) Bounding box 버그
TLD(Tracking, learning and detection) Tracker : 일시적으로 Object를 분간할 수 있음
- 다중 프레임에서 최고의 효과, 사이즈 변화에 따른 Tracking
- Lots of false positives making it almost unusable.
MEDIANFLOW Tracker : 시간의 전후 방향 모두 물체를 추적, 두 궤도 사이의 불일치 측정
* (개인적인 의견) 움직임이 예상가능하고 작으면 최고의 효과, 추적 실패 시 Tracker가 알고있음
- failure의 완벽한 reporting
- 큰 모션에는 불리
GOTURN(Generic Object Tracking Using Regression Netwroks) Tracker(OpenCV기준 20FPS)
: CNN을 기반으로 한 Tracker, 이전 프레임을 기반으로 다음 프레임의 위치를 예측에서 Tracking
Refference
- Tracking하는 Object와 유사한 방향으로 가는 Object에 의해 가려질 때 에러 가능성
MOSSE(Minimum Output Sum of Squared Error) Tracker : 조명, 스케일, 포즈 및 비강체 변형 변화에 강함
- 구현이 쉽고 다른 Tracker 만큼 정확하고 훨씬 더 빠르다.
- Deep Learning Tracker에 비해는 덜함
CSRT(Channel and Spatial Reliability Tracker) : 채널 및 공간 신뢰성이 있는 차별적 상관 관계 필터
선택 영역의 확대 및 비직사각형 영역 또는 객체의 추적 개선을 보장
- 비교적 낮은 fps(25 fps)에서도 작동하고 정확도는 더 높다.
Refference